VUEVO：八陣列麥克風與全息字幕，重新定義聽覺與視覺的跨語溝通

隨著 2025 東京 Deaflympics 進入倒數，日本新創 Pixie Dust Technologies 以 VUEVO 系列裝置為聽覺共融寫下最新章──它把 8 顆麥克風排成一圈，搭配自研 AI 演算法，能即時分離說話人、標示方位、加上多語字幕與翻譯，讓「聽見」與「看見」在同一畫面同時發生。

技術解密：八陣列背後的波束魔法

VUEVO 透過波束成形（Beamforming）與方向估測（DOA），先把 360° 聲場切片，再以語者分離模型將語音流標籤化。團隊針對多種會議室、吧檯與教室反射模型優化參數，將誤判率壓到 3% 以下；延遲約 200 ms，足以流暢對話。

2024 年 8 月問世的 VUEVO Display 把分軌字幕投影到雙面透明 OLED，現場不用再盯手機或筆電。字幕可在 20 種即時翻譯語言間切換，雲端版本更支援 120 種語言。未來官方將開放 API，連動投影機與 MR 眼鏡，打造「無所不在」的字幕層。

應用場景大爆發

• 聽障共融：日本手語協會測試顯示，使用 VUEVO 後理解正確率 94%，比傳統 CART 多 11 個百分點。

• 多語活動與觀光：東京僧侶酒吧 VOWZ Bar 使用 VUEVO 後，外國旅客提問率提升 1.8 倍，專有名詞斷線問題大幅減少。

• 音樂與影音製作：將 VUEVO 音訊流串入埋線系統，樂團排練可同步顯示歌詞與樂手指令；未來若結合 MIDI 標準，後期工程師能在 DAW 直接對應「誰在哪句」的字幕軌。

聲音 × 視覺的未來展望

Pixie Dust 以「波控制」技術起家，從超聲浮空到空氣觸覺皆有成果。VUEVO 把音訊工程的多軌概念搬進日常場景，並預告下一步將導入大型語言模型（LLM）做語意摘要──屆時字幕不僅呈現『誰說了什麼』，更能自動整理重點。當聽覺被視覺化、語意化，真正零隔閡的溝通年代指日可待。

VUEVO 既像「多軌錄音介面」，又像「即時字幕機」，把硬體與雲端 SaaS 綁成訂閱方案——入門機年租方案約 10 萬日圓，企業版則可客製翻譯語庫與 UI 風格。

引用來源：Japan Gov